ارزیابی شبکه‌های عصبی مصنوعی در پیش‌بینی کوتاه مدت سرعت باد
پذیرفته شده برای پوستر
اصل مقاله (818.99 K)
کد مقاله : 1070-SCWDUST (R1)
نویسندگان
1عضو هیات علمی
2خشکسالی
3scwmri
چکیده
پیش‌بینی سرعت باد یکی از موثرترین پارامترهای اقلیمی جهت تعیین پراکندگی گرد و غبار، تبخیر و تعرق و نیاز آبی گیاهان، شیوع و گسترش بیماری‌ها، ذوب برف و آلودگی هوا می‌باشد. همچنین با توجه به گسترش روز افزون استفاده از انرژی بادی بعنوان منابع تجدیدپذیر و با توجه به ساختار گسسته و نامطمئن سرعت باد، پیش‌بینی آن در فواصل زمانی مختلف ضرورت می‌یابد، در همین راستا مدل‌ها و روش‌های متعددی برای پیش‌بینی این عامل مورد استفاده قرار گرفته است. در سال‌های اخیر استفاده از روش شبکه عصبی مصنوعی به عنوان روشی نوین و هوشمند جایگاه ویژه‌ای در علوم اتمسفری و اقلیم‌شناسی پیدا کرده است که در این پژوهش با استفاده از پارامترهای میانگین ماهانه دما، رطوبت نسبی و فشار استاندارد سطح ایستگاه بعنوان ورودی مدل شبکه عصبی، سرعت باد در شهرستان سقز برای کوتاه مدت پیش‌بینی گردید. پارامترهای اقلیمی مذکور دوره آماری 26 ساله (2010- 1985) را در بر می‌گیرند. ا یک مدل پرسپتورن سه لایه با 14 نرون در لایه پنهان و الگوریتم لونبرگ- مارکوارت و تابع محرک تانژانت هیپربولیک در لایه پنهان و تابع محرک خطی در لایه خروجی دارای بهترین نتیجه می‌باشد. بطوی که میانگین درصد نسبی خطای شبکه 55/0 درصد و ضریب همبستگی بین داده‌های مشاهداتی و پیش‌بینی شده برابر با 99/0 است. همچنین حداکثر اختلاف داده‌های واقعی و پیش‌بینی شده سرعت باد برابر با 03/0 متر در ثانیه است. نتایج حاصل بیانگر کارآیی و دقت بالای شبکه عصبی مصنوعی در پیش‌بینی کوتاه مدت سرعت باد در منطقه مورد مطالعه می‌باشد.
کلیدواژه ها
موضوعات